面向金融资产的深度共同投资网络学习
计算工程、金融与科学
2018-09-13 v1
摘要
近期大多数工作将股票市场的市场结构建模为股票的相关网络。它们应用预定义模式从股票的时间序列中提取相关信息。由于未考虑演化中的市场结构对市场指数趋势的影响，这些方法难以获得符合市场原理的市场结构模型。深度学习的进展已在各种金融相关任务上展现出惊人的建模能力。然而，所学习到的捕捉金融时间序列本质的内部参数，其在金融领域的表示尚未被进一步利用。在本工作中，我们将金融市场结构建模为深度共同投资网络，并提出一种深度共同投资网络学习（DeepCNL）方法。DeepCNL自动学习任意成对股票之间的深度共同投资模式，其中市场指数的涨跌趋势被用于远程监督。训练好的DeepCNL所学习到的编码深度共同投资模式时间动态的内部参数，被用于构建股票间的共同投资网络，作为相应市场的投资结构。我们在真实股票数据上验证了DeepCNL的有效性，并在若干金融任务上与现有方法进行比较。实验结果表明，DeepCNL不仅能够更好地反映与广泛认可的金融原理一致股票市场结构，而且比其他替代方法更能近似导致真实新闻或研究报告中报道的股票表现的投资活动。
引用
@article{arxiv.1809.04227,
title = {Deep Co-investment Network Learning for Financial Assets},
author = {Yue Wang and Chenwei Zhang and Shen Wang and Philip S. Yu and Lu Bai and Lixin Cui},
journal= {arXiv preprint arXiv:1809.04227},
year = {2018}
}
备注
accepted by ICBK 2018